JKU-ITS Automated Vehicle Driver Monitoring (AVDM) dataset

JKU-ITS AVDM数据集由约翰内斯·开普勒大学林茨分校的智能交通系统部门创建，旨在为自动驾驶车辆中的驾驶员行为监控提供真实世界的数据。该数据集包含17名参与者在不同光照和天气条件下的行为视频，总计200分钟。数据集的创建过程严格遵守相关指南和法规，确保数据的代表性和真实性。主要应用于SAE Level 3及以上自动驾驶车辆的驾驶员行为识别，以预防交通事故。JKU-ITS AVDM Dataset was developed by the Intelligent Transportation Systems (ITS) department of Johannes Kepler University Linz, with the goal of supplying real-world data for driver behavior monitoring in autonomous vehicles. This dataset includes behavioral videos of 17 participants captured under diverse lighting and weather conditions, with an overall duration of 200 minutes. The construction of this dataset strictly adheres to relevant guidelines and regulations, guaranteeing its representativeness and authenticity. It is primarily utilized for driver behavior recognition in SAE Level 3 and higher autonomous vehicles, to prevent traffic accidents.

搜集汇总

数据集介绍

构建方式

JKU-ITS AVDM数据集的构建采用了17名参与者在自动驾驶车辆中执行各种任务的方式，涵盖了手动驾驶和7项非驾驶相关任务，数据收集在现实世界的自动驾驶场景中进行，确保了数据集的真实性和多样性。

特点

该数据集的特点在于其真实世界的采集环境，包含了各种光照和天气条件下的驾驶场景，以及自然的驾驶员反应行为。数据集标注详细，分为6类和8类两种标签格式，均衡的类别分布有助于深度学习网络的训练和性能提升。

使用方法

使用JKU-ITS AVDM数据集时，研究者可以依据提供的RGB视频和相应的帧标签进行深度学习模型的训练，以实现驾驶员活动识别。数据集的结构化设计便于模型的开发和评估。

背景与挑战

背景概述

JKU-ITS Automated Vehicle Driver Monitoring (AVDM) dataset是由约翰内斯·开普勒大学智能交通系统系的研究团队创建的，旨在为自动驾驶车辆中的驾驶员活动监测提供真实世界的基准数据集。该数据集收集于2019年，主要研究人员包括Mohamed Sabry、Walter Morales-Alvarez和Cristina Olaverri-Monreal。数据集的核心研究问题是预测驾驶员在自动化驾驶环境下的行为，以便在关键时刻能够及时接管控制。该数据集对相关领域的影响力体现在为深度学习网络提供了涵盖多种驾驶场景下的驾驶员活动数据，有助于提高自动驾驶系统的安全性和可靠性。

当前挑战

该数据集在构建过程中遇到的挑战主要包括：1)如何准确捕捉和标注驾驶员在自动驾驶车辆中的多样化行为；2)如何在不同的光照和天气条件下保证数据集的多样性和真实性；3)如何确保数据集的标注质量，以支持模型的泛化能力。此外，所解决的领域问题是图像分类中的驾驶员活动识别，挑战在于如何从复杂的驾驶环境中准确识别和区分驾驶员的各种行为。

常用场景

经典使用场景

JKU-ITS Automated Vehicle Driver Monitoring (AVDM) dataset 是一个专为自动驾驶车辆设计的司机活动监测数据集。该数据集收集了17名参与者在自动化导航期间进行各种活动的数据，包括手动驾驶和非驾驶相关的任务。其经典使用场景在于为深度学习网络提供训练数据，以实现对司机活动的准确预测，从而在自动驾驶车辆中预防事故。

解决学术问题

该数据集解决了现有数据集在模拟环境中收集数据，而无法真实反映现实世界驾驶情况的问题。它提供了在真实车辆环境中收集的数据，包含了多样化的照明和天气条件，有助于模型更好地泛化到不同的驾驶环境和司机。此外，它还解决了在自动驾驶条件下，司机可能进行次级任务而无法及时反应的问题，为研究司机行为和自动驾驶系统的人机交互提供了重要数据。

衍生相关工作

JKU-ITS AVDM 数据集的衍生相关工作包括：开发新的司机活动识别算法，以更准确预测司机行为；研究自动驾驶车辆中的人机交互问题，提高系统的易用性和安全性；构建基于数据的仿真环境，用于测试和验证新的自动驾驶技术和系统。